標籤：

編程小白如何結合量化實例學習python量化建模？

01-05

本人是編程小白（0基礎），本身是金融從業者，對量化投資很感興趣，想在ricequant上建立自己的量化模型。無奈市面上要麼就是純python編程的書，要麼直接跳過編程，直接講量化的書。論壇里的實例也是蜻蜓點水。有沒有既適合編程零基礎，同時又緊密和量化方向結合的教程，資料，案例？

一、Python與量化金融

在量化投資領域，獲取數據、整理數據、模型計算、數據圖形化均可以用python實現；而且Python強大的庫功能使其非常適合做quant類工作的語言，進而逐漸成為科學計算方面的統治級語言；IPython，pandas等重量級神器更是為Quant類工作量身定做；以後python在量化投資中的地位會越來越重要。

二、Python基礎教程

  1. 計算機編程導論—Python程序設計 http://bbs.pinggu.org/thread-4146279-1-1.html10

  2. 圖靈程序設計叢書：Python開發實戰 http://bbs.pinggu.org/thread-4146214-1-1.html4

  3. ProfessionalPython 【程序軟體系列】Professional Python

  4. ThinkPython：How to Think Like a Computer Scientist 【程序軟體系列】Think Python: How to Think Like a Computer Scientist (第二版)

  5. PythonData Visualization Cookbook 【程序軟體系列】Python Data Visualization Cookbook （第二版）

  6. TkinterGUI Application Development Blueprints（python） http://bbs.pinggu.org/thread-4131104-1-1.html1

  7. LearnPython 3.0 Visually Learn Python 3.0 Visually

  8. 用Python進行數據分析 http://bbs.pinggu.org/thread-3826731-1-1.html5

  9. Python入門教材 http://bbs.pinggu.org/thread-4112291-1-1.html6

  10. StanfordNumpy模塊快速入門教程 http://bbs.pinggu.org/thread-4112282-1-1.html2

  11. 編寫高質量代碼 改善Python程序的91個建議 http://bbs.pinggu.org/thread-4106180-1-1.html2

  12. Python高級編程 http://bbs.pinggu.org/thread-4005284-1-1.html4

  13. Python編程金典 《Phthon編程金典》

  14. 【經典教材系列】PythonData Science Cookbook http://bbs.pinggu.org/thread-4002971-1-1.html1

  15. 【程序軟體系列】PythonProgramming by Example http://bbs.pinggu.org/thread-4002795-1-1.html1

  16. PythonProgramming Guide—Learn Python in 24 hours or less Python Programming Guide

  17. 【程序軟體系列】Introductionto Computational Models with Python http://bbs.pinggu.org/thread-3974103-1-1.html1

  18. PythonData Analytics [歡迎上傳]Python Data Analytics

  19. 【2015】 Mastering Python Scientific Computing 【2015】 Mastering Python Scientific Computing

  20. 【經典教材系列】NumericalPython：A Practical Techniques Approach for Industry http://bbs.pinggu.org/thread-3929317-1-1.html2

  21. MasteringPython for Data Science Mastering Python for Data Science

  22. A Concise Introduction to Programming in Python A Concise Introduction to Programming in Python

  23. Python中文學習大本營，值得推薦的Python學習網站 http://bbs.pinggu.org/thread-3907881-1-1.html8

  24. MasteringPython High Performance Mastering Python High Performance

  25. DoingMath with Python http://bbs.pinggu.org/thread-3901962-1-1.html1

  26. Python數據分析基礎教程：NumPy學習指南 http://bbs.pinggu.org/thread-3897083-1-1.html8

  27. PythonParallel Programming Cookbook 【經典教材系列】Python Parallel Programming Cookbook

  28. IPythonNotebook Essentials IPython Notebook Essentials

  29. PythonScripting for Computational Science 本書論壇首發《Python Scripting for Computational Science》

  30. FunctionalProgramming in Python [Python書籍]Functional Python Programming

  31. AnIntroduction to Python and Computer Programming An Introduction to Python and Computer Programming

  32. AStudent』s Guide to Python for Physical Modeling A Student"s Guide to Python for Physical Modeling

  33. PythonAlgorithms: Mastering Basic Algorithms in the Python Language Python Algorithms: Mastering Basic Algorithms in the Python Language

  34. [Python書籍]PracticalData Analysis with Python [Python書籍]Practical Data Analysis with Python

  35. [Python書籍]IntroducingPython: Modern Computing in Simple Packages [Python書籍]Introducing Python:Modern Computing in Simple Packages

  36. [Python書籍]NumericalMethods in Engineering with Python[Python中的數值演算法] [Python書籍]Numerical Methods in Engineering with Python[Python中的數值演算法]

  37. [Python合集]With Python Serial(Python語言系列叢書打包下載) [Python合集]With Python Serial(Python語言系列叢書打包下載)

  38. Python技術書籍集合 http://bbs.pinggu.org/thread-3546562-1-1.html1

三、Python量化投資教程

  1. Python入門、量化策略、量化知識總結帖 http://bbs.pinggu.org/thread-4407025-1-1.html15

  2. JoinQuantPython交易策略 http://bbs.pinggu.org/thread-4439664-1-1.html4

  3. 量化小講堂—Python、Pandas系列—使用wind介面在A股進行自動交易 http://bbs.pinggu.org/thread-4200692-1-1.html5

  4. Python for Finance Analyze BigFinancial Data http://bbs.pinggu.org/thread-4199127-1-1.html1

  5. Python for Quants http://bbs.pinggu.org/thread-4136505-1-1.html1

  6. 量化交易入門書：Python for Finance Analyze http://bbs.pinggu.org/thread-4000394-1-1.html6

  7. 【代碼分享】Python for Finance代碼 http://bbs.pinggu.org/thread-3953167-1-1.html3

  8. 【2015】 Python Machine Learning http://bbs.pinggu.org/thread-3940295-1-1.html1

  9. Python量化模塊padans http://bbs.pinggu.org/thread-3896971-1-1.html1

  10. 【經典教材系列】DerivativesAnalytics with Python http://bbs.pinggu.org/thread-3878074-1-1.html1

  11. BuildingMachine Learning Systems with Python [好書推薦]Building Machine Learning Systems with Python

  12. 【經典教材系列】LearningData Mining with Python 【經典教材系列】 Learning Data Mining with Python

  13. PythonPandas 速成手冊與機器學習網站推薦 http://bbs.pinggu.org/thread-3853505-1-1.html2

  14. 利用Python進行數據分析書中源程序 利用Python進行數據分析 書中源程序_python數據分析

  15. 英文原版python及R金融量化書籍及代碼 http://bbs.pinggu.org/thread-3788822-1-1.html2

  16. 【量化小講堂-Python、pandas技巧系列】如何快速上手使用Python進行金融數據分析 http://bbs.pinggu.org/thread-3749855-1-1.html5

  17. 【量化小講堂-Python、pandas技巧系列】歷史數據告訴你：KDJ指標選股有效嗎？ http://bbs.pinggu.org/thread-3705599-1-1.html2

  18. MasteringPython for Finance by James Ma Weiming [Python金融]Mastering Python for Finance by James Ma Weiming

  19. [Python]在Python中利用Pandas庫處理大數據的簡單介紹 http://bbs.pinggu.org/thread-3655940-1-1.html1

  20. 【量化小講堂 -Python、pandas技巧系列】計算創業板平均市盈率 【量化小講堂

  21. 【量化小講堂 -python pandas技巧系列】使用python計算移動平均線 【量化小講堂

  22. [PythonLib]11個你可能不知道的Python庫 http://bbs.pinggu.org/thread-3629597-1-1.html1

  23. [Python策略與安裝]基於Python的免費股票數據介面TuShare的使用 http://bbs.pinggu.org/thread-3622610-1-1.html1

  24. 書已免費，新增習題答案，Python在計量經濟學中的應用 Python for Econometrics 書已免費，新增習題答案，Python在計量經濟學中的應用 Python for Econometrics,

  25. Python for Finance（文字版）o"reilly叢書 及Python源代碼 http://bbs.pinggu.org/thread-3134726-1-1.html2

  26. FinancialModelling in Python http://bbs.pinggu.org/thread-1037703-1-1.html1

四、Python公開課視頻

  1. 優礦量化投資視頻學習課程 http://bbs.pinggu.org/thread-4148202-1-1.html3

  2. 計算機科學（視頻教程-python-演算法） 計算機科學（視頻教程

  3. Ricequant【量化策略】在線課堂 http://bbs.pinggu.org/thread-3914946-1-1.html1

4.【史上最全Python視頻重磅發布】 http://bbs.pinggu.org/thread-3810465-1-1.html6

  1. Python基礎教程（crossin全60課） http://bbs.pinggu.org/thread-3782163-1-1.html1

  2. [Python視頻公開課]程序設計入門—Python [Python視頻公開課]程序設計入門

  3. MIT的python入門課程附百度盤 http://bbs.pinggu.org/thread-3531551-1-1.html1

  4. 優礦UQER量化：優礦

  5. 實驗樓Python課程：https://www.shiyanlou.com/course ... free=yestag=Python

關於更多量化投資的文章請關注專欄：清華大學量化投資協會成果集萃 - 知乎專欄

或者關注我的知乎賬號：溫如

量化投資協會主頁：http://www.thuquanters.com

量化投資協會論壇：清華大學學生經濟金融論壇

30天學會量化交易

30天學會量化交易模型 Day01

我也是小白，看看30天能否做出點什麼成效出來，每天利用業餘時間，從基礎學起。

每天記錄一點。

最重要還是都用，雖然用的是別人的輪子。

好好學習量化就能成功的！

這個答案就是專門幫小白快速入門的，十行代碼帶你量化交易入門。

學習量化交易如何入門？ - 聚寬君的回答

另外如果你編程基礎不為零 量化課堂 - JoinQuant 上的內容很不錯。

如果不太懂python可以看量化分析師的python日記，總共有14天就不一一貼了。

量化分析師的python日記一

量化分析師的python日記二

量化分析師的python日記三

量化分析師的python日記四

量化分析師的python日記五

量化分析師的python日記六

如果懂python直接上手策略克隆跟著改。

策略：

MACD移動平均線

RSI相對強弱指數

基本面量化

Fama-French三因子模型

二八輪動

配對交易

海龜交易法則

動量策略應用

宏觀擇時

價值投資系列

既然看到了那就不能修手旁觀了，作為小白想要學習量化必須對量化有個整體的了解然後才能學習到最後才能自己建模。下面我就來詳細介紹下:

一、什麼是量化交易

量化交易，指的是利用數學模型，在金融市場中尋找穩定超額收益的投資手段。量化交易有著挖掘信息能力強，不易受主觀情緒影響，下單及時、準確，風險控制嚴格等特點，能夠獲得穩健的收益。而其相對於傳統主觀投資，上手難度也比較大，門檻較高。入門量化交易，主要需要了解如下幾方面的知識。

1.數學/統計學知識

既然說到用數學模型，那數學和統計學的知識是必不可少的。由於國內金融市場尚不完備，一些衍生品交易受到限制，所以相較國外市場，能用到的數學/統計學知識也要少一些。對於非理工背景的投資者，需要補充基礎的高等數學，線性代數，概率論，統計學，最優化理論等等學科的知識，這些內容可以在高校教科書中找到。對於一些新興的利用機器學習的交易策略，還需要了解一些數據挖掘的知識。但既然是入門，這部分自然不是必要的。

另外，計量經濟學的應用尤其廣泛。進行策略研究時經常要面對大量的時間序列、面板數據。雖然在實踐過程中更加註重策略結果，只要能賺錢的策略就是好策略，但在嚴謹的計量理論的支持下，回歸結果更準確，能更好的刻畫數據背後的關係，故往往更容易得到與預期相近的結果。其中，時間序列回歸與截面、面板回歸的邏輯與假設均有較大區別，且廣泛用於刻畫及預測金融資產的收益，波動。計量經濟學的書籍推薦伍德里奇的《計量經濟學導論：現代觀點》；時間序列推薦布魯克斯的《金融計量經濟學導論》。

2.編程能力

由於量化策略要處理大規模的數據，並採用複雜的數學演算法，故需要利用程序來完成這一過程。大部分面向對象的編程語言，如Python，Java，R等都可以勝任這一工作。我在這裡推薦Python，在業界比較主流，其特點主要是包括大量第三方開發的包，如處理數據的Numpy，Pandas，和金融包Talib，和各個平台及其他語言兼容性良好。其中Pandas是美國知名對沖基金AQR開發的數據處理包，非常適合用於金融數據。Python的學習可以通過《利用Python進行數據分析》等書籍進行學習，也可以通過一些網上教程快速入門。在實際應用的過程中，應該多參考各個工具包的API文檔。

回測程序主要包括導入數據及初始化賬戶，每個交易時間點擇時條件、調倉邏輯，及回測結果計算，繪製凈值曲線等等。京東量化平台封裝的回測環境簡化了這一過程，能夠方便的對策略進行測試。（http://quant.jd.com）

3.金融基礎知識

量化交易，根本上是金融市場中的行為。雖然該崗位對數學、編程知識有要求，但脫離了其金融本質，就無法設計出優秀的策略。量化投資者需要了解各種金融資產的性質，以及影響其價格的因素。對於股票而言，公司的基本面及財務情況，其所處行業的形勢能夠從某種程度上反映在其股票價格中，因此投資者應對此有基本了解。這部分可以參考博迪，凱恩，馬庫斯的《投資學》，以及財務會計，報表相關書籍。此外，中國市場受到人為操控的因素影響較為顯著，在實盤操作中，量化投資者在依賴量化策略進行投資決策的同時，一般也會加入一些主觀判斷，以更及時捕捉市場走勢，獲得更高的收益。因此，宏觀經濟，政策形勢對金融市場的影響，也是投資者不能忽視的問題。每天看看華爾街見聞，長久以來可以培養金融直覺。

4.策略研究能力

即是將以上內容綜合運用，將投資思想程序化，開發成為有投資價值的策略的能力。起步時，應多參照已有的較為成熟的策略，進行完善複製。策略本身的邏輯可能三言兩語就能概括，但在實際執行的過程中的細節不可忽略。眾所周知，在回測中表現突出的策略在實盤中不一定有效，但在回測中效果都不好的策略，難以在實盤重有良好的表現。過度擬合，倖存者偏差和使用未來函數都是新手經常會出現的錯誤，避免這些錯誤，才能讓回測結果更好的接近真實情況。同時，在得到回測結果後，如何對收益進行歸因分析，研究持倉股票，風險暴露，並對參數進行優化，也是量化投資者需要解決的問題。

一些經典的投資策略包括多因子策略（Fama-French三因子模型），技術指標擇時（MACD，布林帶等），動量反轉策略，事件驅動策略，統計套利策略等。其中很多策略源於外國學術論文，高質量學術期刊包括Journal of Finance，Journal of Financial Economics等等。同時有一些系統的教學書籍，包括Barra Handbook（多因子聖經），Quantitative Equity Portfolio Management（主要講解投資組合管理），Quantitative Trading Strategies（主要講如何構造量化策略）。

5.在實踐中學習

策略回測終究是回測。基於過去行情設計的策略，一定能在過去的時間區間內有良好的表現。但同樣的歷史不一定會重演，隨著市場趨勢和微觀結構的改變，策略在未來的時間可能不會按照預期的方向發展。實盤中還存在報表信息公布延遲，交易摩擦，下單對市場價格影響等問題。故一個交易策略，在經過嚴謹全面的回測檢驗後，要在實盤上檢驗其真正效果。

在接觸量化交易初期，了解數學編程，模型搭建中的細節處理都是繞不開的問題。而如今各種技術手段都較為成熟，可供大家使用，一個成功的投資者與眾不同的地方一定在於其設計策略的思想，和對市場的把握。設計交易策略應以背後的金融直覺為基礎，是我一直堅信的理念。希望各位投資者能夠在量化投資領域中找到自己獨特的視角，成為下一個西蒙斯！

二、量化的學習

1、 軟體推薦：python

常用的量化軟體有python、matlab、java、C++。從開發難度而言python和matlab都比較容易，java和C++麻煩一些。從運行速度而言，C++、java要快於matlab和python。不過對於大部分人而言，尤其是初學者，開發佔用的時間遠大於運行時間。如果追求運行速度的話，先將策略開發出來，再用C重寫也不遲。另外，從量化資源而言，python資源多於matlab，而且matlab是商業軟體，python是免費的。因此我推薦大家用python。

使用python的話，最好下載一個anaconda。這個軟體將常用的庫都集成好了，免去自己安裝的煩惱。下載地址：Download Anaconda Now!

python教程推薦這個網站：Table of Contents，只需要看第一部分就可以了。該教程不僅介紹了python,而且介紹了numpy,scipy,pandas,matplotlib等科學計算庫。

2、 數據源推薦：tushare

Tushare支持的數據很全面，相比wind個人版量化介面，tushare更友好。因此推薦tushare。下載地址：TuShare -財經數據介麵包

3、 量化框架：推薦使用量化平台

量化平台可以看成是一個已經搭建好的框架。用戶只需添加一些自己的買賣條件，即可回測策略，免去了自己從無到有搭建基礎框架的過程。

這裡推薦一下咱們的京東平台。首先京東的數據和撮合機制還是很專業的，比如交易考慮到了漲停不能買、跌停不能賣的問題，另外京東在回測速度方面目前也具有優勢。

以上是做量化的一些基礎工具。另外根據策略類型的不同，也會用到一些其他工具。

1、 資料庫推薦：sqlite

如果所做的策略需要存儲很多數據，那麼就需要一個資料庫軟體，配合使用。Python自帶sqlite3庫，可以在python中方便的操作sqlite資料庫。Sqlite下載地址：SQLite Home Page

使用方法可以參考：SQLite - Python | 菜鳥教程

2、 機器學習推薦:scikit-learn

Scikit-learn封裝了很多常用的演算法，直接用就可以了，避免了自己寫演算法。網址：

scikit-learn: machine learning in Python

另外推薦一本機器學習的書「集體智慧編程」，介紹及購買鏈接：《集體智慧編程》([美]Toby Segaran（托比·西格蘭）)【摘要 書評 試讀】- 京東圖書

3、 網路信息採集推薦：Beautifulsoup等

關於這方面可以參考「Python網路數據採集」這本書，介紹和購買鏈接在這裡：《Python網路數據採集》([美]米切爾（Ryan Mitchell）)【摘要 書評 試讀】- 京東圖書

三、如何用python建立策略

手把手教你使用京東量化平台完成簡單的策略回測-Python篇

今天來教大家使用量化平台中Python的部分，完成一個簡單的策略回測。

首先，回測界面是長這個樣子的

可以看到，左半邊的大部分區域是編輯代碼的地方，開發環境會自動識別Python語言的關鍵詞。在代碼區上面的設置標誌裡面可以個性化調節開發環境的視覺效果。

Python的回測代碼主要包括init()函數，handle_data()函數，以及其他用戶自定義內容。如果在每天開盤前要進行額外的處理或計算，可選擇添加before_trade()函數。

def init(context):

# 這裡用來寫策略開始時要做什麼

def before_trade(context):

# 非強制，在這裡寫每天開盤之前要做什麼，不可下單

def handle_data(context, data_dict):

# 這裡用來寫每天開盤後要做什麼，可以是計算，輸出日誌，或者下單

其中，init()是初始化函數，可以設置基準，滑點，傭金等回測參數，也可以利用context自定義變數。在Python及大部分其他編程語言中，在局部變數只在該變數定義的函數體有效，在其他函數體內是無效的。而context被定義為一個局部變數，可以把內容在不同函數代碼之間傳導。該函數在回測開始時運行一次。

handle_data()是每個交易時間點（分鐘/日）時自動運行一次的函數，可以在此函數內設置交易判斷和下單，是策略核心邏輯所在。

用戶可以按照Python語言規則定義其他函數，包括運算/數據處理函數，也可以通過task()函數設置自定義函數的執行頻率和執行時間。

接下來，我們用一個簡單的策略來演示這個過程。我們策略的內容是對平安銀行（000001.SZ）進行擇時，如果前一天收益率大於中證全指收益率，則買入持倉，反之則不持倉。

首先，我們在init()函數裡面設置我們的股票和比較的標的：

# init方法是您的初始化邏輯。context對象可以在任何方法之間傳遞。

def init(context):

context.stock = "000001.SZ"

context.set_benchmark = "000985.SH"

其中，只要在「#」後面的內容都是注釋，不會被Python編譯。設置stock和set_benchmark對象時，一定要在前面加上「context.」，這樣才能傳遞到之後的函數中。設置標的後，回測中的基準曲線和收益將採用設置的指數。

然後我們來編輯每個交易日的邏輯：

# 日或分鐘或實時數據更新，將會調用這個方法

def handle_data(context, data_dict):

price = get_history(2, "1d", "close")[context.stock]

priceBm = get_history(2, "1d", "close")[context.set_benchmark]

這部分代碼獲取了目標股票和標的的歷史價格，其中context.stock和context.set_benchmark都在init()函數中定義好了。get_history()函數是京東量化平台封裝的取歷史交易數據的函數。其中「2」代表要取歷史兩天的數據，以便計算上個交易日的收益。「』1d』」和「"close』」分別表示數據頻率為天，所需數據為收盤價。返回的價格為pandas.Series類型。各個平台函數的使用方法可以查看幫助板塊中的API文檔。

為了方便計算收益率，我自定義了一個CalRet()函數，輸入連續兩天的價格，計算第二天的收益率：

def CalRet(price):

r = (price[1] - price[0]) / price[0]

return r

這段函數寫在handle_data()之前。自定義函數編輯的語法符合Python語法即可。這個函數會返回float類型的r。

我們回到handle_data()函數，利用剛剛定義的函數和獲取的股票及指數價格計算收益率：

ytdRet = CalRet(price)

bmRet = CalRet(priceBm)

可以得到上個交易日股票的收益率ytdRet和指數收益率bmRet。之後我們進行判斷，如果ytdRet大於bmRet，則全倉買入平安銀行股票，否則清倉。

if ytdRet &> bmRet:

order_target_percent(context.stock, 1)

else:

order_target_percent(context.stock, 0)

order_target_percent()是量化平台編輯的下單函數，可以設置某個股票的倉位至一個百分比。平台同樣支持加減倉，用手數，金額等方式下單，詳見API文檔。

現在，我們就完成了這個策略的設計。回測平台會自動按照這個邏輯，在回測區間內完成交易。

我們設置回測區間為今年，初始金額為一百萬，調倉頻率為每天，點擊「運行回測」。結果如下：

我們可以看到在回測區間內，策略和基準的凈值曲線，每天盈虧，買賣等圖像，以及回測的技術指標。同時可以查看相對收益，對數收益等。我們可以看到，這個策略沒有能夠跑贏大盤。當然，這只是一個例子。

在左邊的交易詳情，持倉和輸出日誌中可以看到回測中的具體情況，方便進行歸因分析，調整策略等等，同時還可以查看歷史回測記錄。

四、對於書籍的推薦這裡就只添加一個鏈接吧http://club.jr.jd.com/quant/topic/963246

五、更加系統的學習地址

新手專區：

量化學習資料：京東量化平台(quant.jd.com)-全方位量化策略開發平台。量化交易、量化投資、雲端在線編程、策略歷史回測、實盤模擬、量化社區

Python編程：

Python學習資料：https://club.jr.jd.com/quant/topic/834227

python學習教程：https://club.jr.jd.com/quant/topic/760702

python、java編程基礎視頻1：https://club.jr.jd.com/quant/topic/877114

python、java編程基礎視頻2：https://club.jr.jd.com/quant/topic/877215

python技術指標均線應用：https://club.jr.jd.com/quant/topic/778188

python技術指標kdj應用：https://club.jr.jd.com/quant/topic/778178

python指標macd的應用：https://club.jr.jd.com/quant/topic/778177

python去除是停牌、退市、st創業版股票：https://club.jr.jd.com/quant/topic/778173

python策略中獲取指數成分股的歷史行情數據：http://club.jr.jd.com/quant/topic/938309

策略與應用：

如何判斷站上20日均線：https://club.jr.jd.com/quant/topic/777123

如何選出上市時間小於20天的品種：https://club.jr.jd.com/quant/topic/889370

統計套利之配對交易（pairs trading）：https://club.jr.jd.com/quant/topic/787798

文本挖掘如何應用於量化投資：https://club.jr.jd.com/quant/topic/843393

文本挖掘之數據爬蟲：https://club.jr.jd.com/quant/topic/871691

利用輿情情感得分進行量化選股初探：https://club.jr.jd.com/quant/topic/856753

羊駝策略初步研究一：https://club.jr.jd.com/quant/topic/854721

如何清洗「停牌」「退市」「ST」品種：https://club.jr.jd.com/quant/topic/869640

技術分析量化大講堂之開篇—SMA:talib vs.行情軟體：https://club.jr.jd.com/quant/topic/839442

技術分析量化大講堂——上升三角形整理形態：https://club.jr.jd.com/quant/topic/853825

技術分析量化大講堂------上升三角形（修改版）：https://club.jr.jd.com/quant/topic/867675

技術分析量化大講堂——多方炮：https://club.jr.jd.com/quant/topic/881252

基於京東平台的因子測試：https://club.jr.jd.com/quant/topic/862631

基於京東平台的因子測試（續）：https://club.jr.jd.com/quant/topic/878096

量化策略方法分享之數據挖掘工具——決策樹演算法：https://club.jr.jd.com/quant/topic/841642

量化策略方法分享之數據挖掘工具——決策樹演算法（續）：https://club.jr.jd.com/quant/topic/841923

摩根斯坦利旗下基金的擇時指標介紹：https://club.jr.jd.com/quant/topic/854923

基於隱式馬爾可夫模型的市場擇時簡介：https://club.jr.jd.com/quant/topic/883453

成長股內在價值策略分享：https://club.jr.jd.com/quant/topic/902319

股價增長率與營業利潤率之比選股策略：https://club.jr.jd.com/quant/topic/836018

股價增長率與營業利潤率之比選股策略(修改版)：https://club.jr.jd.com/quant/topic/846196

股價增長率與營業利潤率之比選股策略(修改X2版)：https://club.jr.jd.com/quant/topic/860683

選擇漲停股的技巧有哪些：https://club.jr.jd.com/quant/topic/774972

京東量化平台初始化類函數及任務事件類函數介紹：https://club.jr.jd.com/quant/topic/877220

如何在JD Quant畫出MACD：https://club.jr.jd.com/quant/topic/877985

多因子選股：https://club.jr.jd.com/quant/topic/878463

小市值策略：https://club.jr.jd.com/quant/topic/894215

手把手教你寫一年80%收益的成長股策略(一)：http://club.jr.jd.com/quant/topic/930606

手把手教你寫一年80%收益的成長股策略(二)：http://club.jr.jd.com/quant/topic/930857

如何控制回撤：http://club.jr.jd.com/quant/topic/913308

控制回撤的第二種方法--依據持倉總資金：http://club.jr.jd.com/quant/topic/914524

小工具函數——查詢漲跌停：http://club.jr.jd.com/quant/topic/930708

高賣低買賺Spread策略分享：http://club.jr.jd.com/quant/topic/921694

資本資產定價模型簡介-多因子尋找Alpha統計套利：http://club.jr.jd.com/quant/topic/935852

依據最大回撤擇時策略：http://club.jr.jd.com/quant/topic/940473

一個簡單的買賣止盈止損分時買賣框架：http://club.jr.jd.com/quant/topic/939467

以上就是小白如何學習量化進行策略的建立，當然是基於我們平台的。

大家還希望了解更多有關於量化的知識可以登錄我們平台學習

http://quant.jd.com/

也可以加入我們的量化交流群：456448095

http://www.pythonprogramming.net

這個人講的很不錯，網站本身不需要爬牆，但是有youtube視頻。

國內量化門檻高，懂編程的人也不算普及吧，發現國內有一個創建量化策略非常方便的微信端工具，阿法金融（app貌似也有），不需要編程，適合想自己做量化投資的人。

主要是把做量化策略的邏輯直觀化，形成各種基礎數據指標、形態、條件，可以自己設置倉位，止盈止損，然後可以回測查看收益、勝率、回撤率，對於不懂編程的人蠻不錯。

推薦閱讀：

※有可能通過閱讀大量的金工文章，成為量化的牛人嗎？
※在中國，量化到底有沒有用？

TAG:Python | 編程 | 量化 | Python入門 | 量化交易 |